Automated Vehicles for People With Dementia: A “Tremendous Potential” That “Has Ways to go”―Reports of a Qualitative Study
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The prospect of automated vehicles (AVs) has generated excitement among the public and the research community about their potential to sustain the safe driving of people with dementia. However, no study to date has assessed the views of people with dementia on whether AVs may address their driving challenges. RESEARCH DESIGN AND METHODS: This mixed-methods study included two phases, completed by nine people with dementia. Phase I included questionnaires and individual semistructured interviews on attitudes toward using different types of AVs (i.e., partially or fully automated). Interpretative phenomenological analysis was used to assess participants' underlying reasons for and against AV use. The participants' identified reasons against AV use informed the focus group discussions in Phase II, where participants were asked to reflect on potential means of overcoming their hesitancies regarding AV use. RESULTS: The results showed that people with dementia might place higher levels of trust in fully automated compared to partially automated AVs. In addition, while people with dementia expressed multiple incentives to use AVs (e.g., regaining personal freedom), they also had hesitations about AV use. These hesitancies were based on their perceptions about AVs (e.g., cost), their own abilities (i.e., potential challenges operating an AV), and driving conditions (i.e., risk of driving in adverse weather conditions). DISCUSSION AND IMPLICATIONS: The findings of this study can help promote the research community's appreciation and understanding of the significant potential of AVs for people with dementia while elucidating the potential barriers of AV use by people with dementia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».